سپنتا کتاب اکسپرس
کتاب مبانی علم داده و تحلیل داده برای مبتدیان

کتاب مبانی علم داده و تحلیل داده برای مبتدیان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی علم داده و تحلیل داده برای مبتدیان

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: علم داده و تحلیل داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده
  • 2. مفهوم داده و انواع آن
  • 3. منابع داده و چگونگی جمع‌آوری
  • 4. پاکسازی و پیش‌پردازش داده‌ها
  • 5. اهمیت کیفیت داده
  • 6. مبانی آمار توصیفی
  • 7. میانگین، میانه و نما
  • 8. انحراف معیار و واریانس
  • 9. توزیع‌های آماری رایج
  • 10. نمودارها برای نمایش داده‌ها
  • 11. نمودارهای میله‌ای و خطی
  • 12. نمودارهای پراکندگی و هیستوگرام
  • 13. تحلیل اکتشافی داده (EDA)
  • 14. شناسایی الگوها و روندها
  • 15. شناسایی داده‌های پرت (Outliers)
  • 16. تجسم داده (Data Visualization)
  • 17. ابزارهای تجسم داده
  • 18. اصول طراحی تجسم مؤثر
  • 19. کاربرد تجسم در تصمیم‌گیری
  • 20. مقدمه‌ای بر پایگاه‌های داده
  • 21. انواع پایگاه‌های داده رابطه‌ای (SQL)
  • 22. مبانی SQL
  • 23. جستجو و فیلتر کردن داده‌ها
  • 24. مرتب‌سازی و گروه‌بندی داده‌ها
  • 25. توابع تجمیعی در SQL
  • 26. مقدمه‌ای بر پایگاه‌های داده غیررابطه‌ای (NoSQL)
  • 27. انواع پایگاه‌های داده NoSQL
  • 28. کاربرد پایگاه‌های داده NoSQL
  • 29. مبانی یادگیری ماشین
  • 30. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 31. یادگیری نظارت شده: رگرسیون
  • 32. یادگیری نظارت شده: طبقه‌بندی
  • 33. ارزیابی مدل‌های یادگیری ماشین
  • 34. معیارهای ارزیابی رگرسیون
  • 35. معیارهای ارزیابی طبقه‌بندی
  • 36. یادگیری بدون نظارت: خوشه‌بندی
  • 37. الگوریتم K-Means
  • 38. یادگیری بدون نظارت: کاهش ابعاد
  • 39. تحلیل مولفه‌های اصلی (PCA)
  • 40. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 41. مفهوم سری زمانی
  • 42. شناسایی روند و فصلیت
  • 43. مدل‌های ساده سری زمانی
  • 44. پیش‌بینی با استفاده از مدل‌های سری زمانی
  • 45. مقدمه‌ای بر تحلیل داده‌های متنی
  • 46. پیش‌پردازش متن (توکنیزاسیون، حذف کلمات توقف)
  • 47. نمایش متنی (Bag-of-Words, TF-IDF)
  • 48. تحلیل احساسات
  • 49. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 50. مفاهیم گراف و گره
  • 51. شاخص‌های مرکزیت در شبکه‌ها
  • 52. شناسایی جوامع در شبکه‌ها
  • 53. کاربرد تحلیل شبکه‌های اجتماعی
  • 54. مقدمه‌ای بر علم داده در کسب‌وکار
  • 55. نقش علم داده در تصمیم‌گیری تجاری
  • 56. تحلیل مشتری و بخش‌بندی بازار
  • 57. پیش‌بینی فروش و تقاضا
  • 58. مدیریت ریسک با علم داده
  • 59. بهینه‌سازی فرآیندهای تجاری
  • 60. مقدمه‌ای بر ابزارهای علم داده
  • 61. معرفی زبان پایتون برای علم داده
  • 62. کتابخانه NumPy
  • 63. کتابخانه Pandas
  • 64. کتابخانه Matplotlib
  • 65. کتابخانه Seaborn
  • 66. مقدمه‌ای بر ابزارهای BI (هوش تجاری)
  • 67. مفهوم داشبورد و گزارش‌گیری
  • 68. کاربرد ابزارهای BI در تحلیل داده
  • 69. مقدمه‌ای بر اخلاق در علم داده
  • 70. حریم خصوصی داده‌ها
  • 71. امنیت داده‌ها
  • 72. سوگیری در الگوریتم‌ها
  • 73. مسئولیت‌پذیری در علم داده
  • 74. ملاحظات قانونی و شرعی در تحلیل داده
  • 75. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 76. شبکه‌های عصبی مصنوعی
  • 77. کاربرد یادگیری عمیق در پردازش تصویر
  • 78. کاربرد یادگیری عمیق در پردازش زبان طبیعی
  • 79. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 80. مفهوم داده‌های حجیم
  • 81. معماری‌های داده‌های بزرگ (Hadoop, Spark)
  • 82. کاربرد داده‌های بزرگ در صنایع مختلف
  • 83. مباحث پیشرفته در پاکسازی داده
  • 84. تکنیک‌های پیشرفته تجسم داده
  • 85. تحلیل اکتشافی داده‌های پیچیده
  • 86. مقدمه‌ای بر مدل‌های پیشرفته یادگیری ماشین
  • 87. مدل‌های مبتنی بر درخت (Random Forest, Gradient Boosting)
  • 88. ماشین‌های بردار پشتیبان (SVM)
  • 89. شبکه‌های عصبی کانولوشنی (CNN)
  • 90. شبکه‌های عصبی بازگشتی (RNN)
  • 91. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 92. اهمیت مهندسی ویژگی
  • 93. تکنیک‌های ساخت ویژگی‌های جدید
  • 94. ارزیابی و انتخاب ویژگی
  • 95. مقدمه‌ای بر طراحی آزمایش (Experimental Design)
  • 96. طراحی A/B تست
  • 97. تحلیل نتایج آزمایش‌ها
  • 98. کاربرد علم داده در حوزه سلامت
  • 99. کاربرد علم داده در حوزه مالی
  • 100. کاربرد علم داده در حوزه حمل‌ونقل

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.